构建用于页岩气开采中水资源调配的知识图谱模型的方法

1.本技术属于页岩气开采技术及其附属技术领域，具体涉及一种工业废液循环利用技术，尤其涉及构建用于页岩气开采中水资源调配的知识图谱模型的方法，本发明是申请号为2021103519528的发明专利的分案申请。


背景技术：

2.页岩气是一种以游离态、吸附态或溶解态赋存于暗色富有机质和极低孔隙度渗透率的泥页岩、泥质粉砂岩中的非常规天然气，具有自生自储、连续聚集的特点。它以资源量大、碳排放量低的特点成为备受人们关注的一种新型能源，在国家号召节能减排、低碳发展的今天，表现出了巨大的优势，页岩气可能成为中国未来最可靠的能源接替类型。随着页岩气开采的不断发展，其开采过程中引起的区域水资源系统及其生态系统的影响是业内的重点关注问题。
3.页岩气开采主要采用水压裂法和水平井等，这些开采技术是目前页岩气开采过程中被广泛使用的技术。但是，这其中存在淡水资源消耗、区域水资源供给压力、地表水和地下水污染等问题。主要是由于，目前页岩气开采用水主要是周围区域和地下水等淡水资源。水压裂过程需要数周，期间需要消耗大量的当地地表水或地下水等水资源，极有可能影响当地生产、生活及生态用水。此外，页岩气开采过程中还会产生大量的废弃物，导致土壤污染、水污染和重金属积累等生态环境问题。由此可见，页岩气开采过程中，有需要使用大量的水资源的用水矛盾和产生大量废液的废液处理问题，如何合理的分配和调度水资源，如何循环利用开采过程中产生的废液，是页岩气开发过程中的亟待解决的问题。
4.鉴于现有页岩气开采过程中的问题，亟待形成一种合理、高效和智能的页岩气开采过程中水资源循环利用的智能系统。


技术实现要素：

5.本发明主要针对页岩气开采中，需要消耗大量的水资源且会产生大量废液，其中大量水资源难以稳定、可靠、可持续性供给、大量废液的处理困难的技术问题，而提供的一种对开采中水资源合理分配、调度，同时能对开采中产生的废液进行切实、合理处理的页岩气开采梯级水循环利用智能系统。
6.一种页岩气开采梯级水循环利用智能系统，它包括梯级水循环利用系统，梯级水循环利用系统的数据输出端与信息系统的数据输入端连接，信息系统的数据输出端与决策系统的数据输入端连接，决策系统的数据输出端与调节器连接；
7.梯级水循环利用系统包括至少1次水量判断，在水量没有超过水安全阈值的情况下，继续当前页岩气的开采强度；在水量超过水安全阈值的情况下，将监测数据传输给信息系统；
8.信息系统还用于收集页岩气开采现阶段的产气量、缺水值，并将收集到的数据传输给决策系统，将信息系统收集的数据作为依据，在决策系统中得到下阶段最佳产气量、下
阶段各类水源需水量、下阶段水安全阈值，决策系统用于实现下阶段最佳产气量的预测；
9.调节器用于调控页岩气现阶段的开采强度。
10.在第一次水量判断前，将页岩气开采废液经过水处理后与经过雨水处理池处理的雨水进行混合，以作为页岩气开采水循环利用的i类水源，此类水的回收水量可通过水量预测器进行预测，确定可回收水量之后，进行第一次水质是否达标判断，若水质不达标，则将混合液再次进行水处理，如此循环直至水质达标，在水质达标之后进行第一次水量是否足够判断。
11.如果第一次水量足够，则进行第一次水量是否充分被利用的判断，若水量能够充分被利用，则将此类水用于页岩气的开采，若水量在被利用后有剩余，则将多余部分的水回注地下水，若水量太少不足够，则需要引入其它水源。
12.若水量太少不够用，则需要引入ⅱ类水源，ⅱ类水源包括购买水，将水量不足够的i类水源与ⅱ类水源混合，再进行第二次水量是否足够的判断；若水量足够，则进行第二次水量是否充分被利用的判断，若水量能够充分被利用，则将此类水用于页岩气开采，若水量在被利用后有剩余，则将多余部分的水回注地下水，若水量太少不足够，则需要引入其它水源。
13.若水量太少不足够，则需要引入ⅲ类水源，将水量不够的i、ⅱ类水源需要与ⅲ类水源混合，再进行第三次水量是否足够判断，ⅲ类水源来源于地表水和或地下水，可利用水量通过水量预测器进行预测，若水量足够，则进行第三次水量是否充分被利用的判断，若水量能够充分被利用，则将此类水用于页岩气开采，若水量在被利用之后还有剩余，则将多余部分的水回注地下水，若水量太少不足够，则进行水安全阈值判断。
14.i、ⅱ与ⅲ类水源混合后，进行水量是否超过安全阈值判断。若水量没有超过安全阈值，则继续当前页岩气开采强度；若水量超过安全阈值，则通过信息系统收集页岩气现阶段开采过程中的，现阶段产气量、i类水源占比、ⅱ类水源占比和缺水值，将这些数据输入信息系统、决策系统。
15.决策系统为基于知识图谱的文献挖掘智能决策系统，用于预测页岩气开采下一阶段的产气量和各类水源需水量的优化配置。
16.本发明还包括构建用于页岩气开采中水资源调配的知识图谱模型的方法，包括以下步骤：
17.1)页岩气开采水资源调配的工程数据来自于中文数据库，专利数据库以及研究报告，具有来源广泛和结构性差的特点，因此，可以将文本数据经过预处理后，再通过知识图谱构建技术构建知识节点和关系边，从而构建知识图谱智能决策模型，此模型旨在从文本数据中发掘不同知识节点之间的关系。
18.2)从水资源的调配角度出发，可以选择以工程名称(某页岩气开采区)、调配时间以及调配的水资源类别(i、ⅱ和ⅲ类水)等作为知识图谱模型的知识节点；同时，还可以将某类水的需水量和页岩气开采强度等作为知识节点；最后，可将“时间为”、“需水量为”和“包含”等作为节点之间的关系边，由此构建的知识图谱智能决策模型可实现需水量等的决策功能。
19.3)根据定义的知识节点和关系边，可列出知识图谱模型的示意图，根据知识三元组的数量，此知识图谱语义网络图可扩展到上千乃至上百万个知识三元组。
20.4)根据知识图谱语义网络可进行相关的知识推理工程，由一个实体预测推理出下一个实体以及寻找他们之间的关系等，由此构建知识图谱智能决策模型。
21.在进行知识推理时，采用以下步骤：
22.定义知识三元组，知识头节点为h，关系边为r，知识尾节点t，由此可确定一个知识三元组(h，r，t)；
23.利用监督随机游走的方式，先生成一些路径特征，路径由一系列知识节点和关系边组成，为：
[0024][0025]
式中，tn为关系边rn的作用域(range)以及关系边r
n-1
的值域(domain)，即tn＝range(rn)＝domain(r
n-1
)，由此定义了一个关系边和知识节点的分布，基于分布得到的值为每条游走路径的特征值x
h，p(t)
，x
h，p(t)
可以理解为沿着某一路径p从知识头节点h开始到达知识尾节点t的概率，x
h，p(t)
的更新规则为：
[0026][0027]
其中，若e＝s(路径p中的知识节点)，则x
h，p(e)
＝1，否则x
h，p(e)
＝0。表示从知识节点e’出发，沿着关系边r1到达知识节点e的概率。r1(e’，e)表示知识节点e’和e之间是否存在一条关系类型为r1的路径，若存在，则其值为1，不存在，则值为0，|r
l
(e
′
，
·
)|表示由节点e’出发经过规定路径的关系边所能到达的知识节点的数目；
[0028]
若想要确定某两个知识节点之间的关系边r，则需要通过监督随机游走得到一组特征路径pr＝(p1，
…
，pn)，监督随机游走是在随机游走的基础上，加上监督的方式去指导游走知识节点进行游走，使游走更具有目的性；
[0029]
通过监督随机游走的方式，有目的的寻找含有与需水量相关的知识节点和关系边。再利用这些特征路径训练一个预测实体的排序模型，此模型可采用线性模型的方法进行建模：
[0030][0031]
式中，f(h,ri,t)表示知识节点h和知识节点t之间存在关系ri的可能性大小si，θ
p
表示与pr相应特征路径的权重因子，通过训练，可求出θ
p
的取值。
[0032]
其中，可用yi＝{0，1}表示某个训练样本的值，若其为1，则表示两知识节点间的关系边r存在，若其为0，则表示关系边r不存在。通常情况下，可使用sigmoid函数将预测结果映射到[0,1]区间内，具体形式如下：
[0033][0034]
对于权重因子θ
p
，可通过下列线性变化加最大似然估计，设计损失函数：
[0035]
[0036][0037]
最后，基于知识图谱语义网的智能决策模型可转换为关于最优化权重因子θ
p
的优化目标函数。
[0038]
在知识图谱智能决策模型初步构建完成后，对知识图谱智能决策模型进行评价，若评价结果表明决策模型可用于决策，则可通过信息系统输入从而得到需水量等输出值；若评价结果表明决策模型不可用于决策，则进行知识三元组更新抽取，从而更新智能决策模型。
[0039]
其中，知识图谱智能决策模型的输入为各类水源需水量预测，此预测即为监督随机游走的依据。根据该预测，可在知识图谱智能决策模型中进行搜索与决策，寻求最有的需水量输出结果，下面列出输入端需水量预测的一个非限制性示例。
[0040]
假设已知某一段时间内，某类水源从1时刻到t时刻的需水量为分别为q1、q2……qt
，可通过需水量预测模型对该类水源在t+1时刻的需水量q
t+1
进行预测，可采用如下预测模型。
[0041]
t时刻的需水量变化值：
[0042]
δq
t
＝q
t-q
t-1
ꢀꢀ
(7)
[0043]
t时刻二阶差分需水量变化值：
[0044]
δ2q
t
＝δq
t-δq
t-1
ꢀꢀ
(8)
[0045]
t时刻二阶差分需水量变化预测值：
[0046][0047]
因此，t+1时刻的需水量预测值：
[0048][0049]
输入的值，通过已经构建好的知识图谱智能决策模型进行搜索，即可输出相应的需水量值。
[0050]
与现有技术相比，本发明具有如下技术效果：
[0051]
1)针对在页岩气开采过程中，通常通过注入压裂液进行页岩气的开采，而开采产生的返排液会带出大量的废液，本发明能有效且高效的对废液进行利用、规划、处理，不仅对开采过程中的水资源进行了合理的分配及调度，而且实现了废液在整个开采过程中的循环利用，很好的解决了在页岩气开采过程中，水资源不能稳定、可持续性的供给和大量废液难以处理及处理成本居高不下的技术缺陷；
[0052]
2)本发明通过将决策系统引入，更进一步的，决策系统为基于知识图谱的文献挖掘智能决策系统，可构建关于页岩气开采工业的多方面的知识节点与知识节点之间的关系，具有数据规模大的特点，可使页岩气开采工业的知识可视化和增强知识的连贯性，有利于工作人员管理。
附图说明
[0053]
下面结合附图和实施例对本发明作进一步说明：
[0054]
图1是本发明的系统框图；
[0055]
图2是优化分配系统分配模型原理图；
[0056]
图3是决策系统的结构框图；
[0057]
图4是知识图谱语义网络局部示意图。
具体实施方式
[0058]
如图1所示，一种页岩气开采梯级水循环利用智能系统，它包括梯级水循环利用系统1，梯级水循环利用系统1的数据输出端与信息系统2的数据输入端连接，信息系统2的数据输出端与决策系统3的数据输入端连接，决策系统3的数据输出端与调节器4连接；
[0059]
梯级水循环利用系统1包括至少1次水量判断，在水量没有超过水安全阈值的情况下，继续当前页岩气的开采强度；在水量超过水安全阈值的情况下，将监测数据传输给信息系统2；
[0060]
信息系统2还用于收集页岩气开采现阶段的产气量、缺水值，并将收集到的数据传输给决策系统3，将信息系统2收集的数据作为依据，在决策系统3中得到下阶段最佳产气量、下阶段各类水源需水量、下阶段水安全阈值，决策系统3用于实现下阶段最佳产气量的预测；
[0061]
调节器4用于调控页岩气现阶段的开采强度
[0062]
其中，梯级水循环利用系统包括一次水质判断、三次水量是否足够判断，三次水量是否百分百被用于页岩气开采判断与一次水量是否超过水安全阈值判断。
[0063]
如图1所示，具体地说，某次页岩气开采的返排液废液可经过传统废液的物理、化学和生物进化工艺方法，对废液进行净化处理。与此同时，在页岩气开采区，自然降雨可通过雨水收集系统进行收集，收集后的雨水可通过雨水处理池进行水质处理。页岩气开采废液经过水处理后与经过雨水处理池处理的雨水进行混合，作为页岩气开采水循环利用的i类水源，此类水的回收水量可通过水量预测器进行预测，确定可回收水量之后，进行第一次水质是否达标判断，若水质不达标，则将混合液再次进行水处理；若水质达标，则进行第一次水量是否足够判断。
[0064]
其中，水量预测器和智能调节器，以页岩气开采工业生产标准为基础，进行水量预测和调控。水量预测器和智能调节器可选取可编程逻辑控制器plc，它是专门为工业环境下应用而设计的数字运算操作电子系统，具有顺序控制、定时和计数等功能，可以控制各种机械和生产过程，其型号可选择西门子plc s7-200。
[0065]
水质已达标的i类水源需要进行第一次水量是否足够判断。若水量足够，则进行第一次水量是否百分百利用判断，若水量百分百利用，则将此类水用于页岩气开采，若水量不是百分百利用，则将多余部分的水回注地下水；若水量不足够，则需要引入ⅱ类水源。
[0066]
水量不足够的i类水源需要与ⅱ类水源混合，再进行第二次水量是否足够判断。其中，ⅱ类水源来自于购买水，购买水的水量通过可购买水量预测器进行预测。若水量足够，则进行第二次水量是否百分百利用判断，若水量百分百利用，则将此类水用于页岩气开采，若水量不是百分百利用，则将多余部分的水回注地下水；若水量不足够，则需要引入ⅲ类水源。
[0067]
水量不足够的i、ⅱ类水源需要与ⅲ类水源混合，再进行第三次水量是否足够判
断。其中，ⅲ类水源来自于地表水和地下水，且可利用水量通过可利用水量预测器进行预测，若水量足够，则进行第三次水量是否百分百利用判断，若水量百分百利用，则将此类水用于页岩气开采，若水量不是百分百利用，则将多余部分的水回注地下水；若水量不足够，则需要进行水安全阈值判断。
[0068]
其中，ⅲ类水源中地表水和地下水各自的取用量经过优化分配系统进行优化分配，如图2所示，优化分配系统的分配对象为地下水用水量和地表水用水量，分配采用的策略为地表水可利用量、地下水可利用量与满足页岩气开采用水需求，再根据分配策略拟定博弈支付函数的参数，最后求解优化分配模型。若求解的模型满足分配目标，则导入优化分配系统进行ⅲ类水源的优化分配；若求解的优化分配模型不满足分配目标，则重新设置参数，再次求解。
[0069]
如图1所示，i、ⅱ与ⅲ类水源混合后，进行水量是否超过安全阈值判断。若水量没有超过安全阈值，则继续当前页岩气开采强度；若水量超过安全阈值，则通过信息系统收集页岩气现阶段开采过程中的，现阶段产气量、i类水源占比、ⅱ类水源占比和缺水值，将这些数据输入决策系统；
[0070]
其中，信息系统可以高效和安全的对数据进行存储，需要适应物联网和大数据等海量数据场景，此处可选择腾讯云时序数据库—tencentdb for ctsdb。
[0071]
优选的，决策系统为基于知识图谱的文献挖掘智能决策系统。
[0072]
基于知识图谱的文献挖掘智能决策系统，构建大规模语义网络，让语义网络成为大数据的载体，再通过知识推理算法进行知识推理，由此寻找出知识节点之间的关系，是其它智能算法所不具备的特性，知识图谱可使该决策系统的智能性优于传统的智能系统。
[0073]
基于知识图谱的文献挖掘智能决策系统，可通过页岩气开采工业生产过程中的反馈，更新知识三元组抽取方式，从而更新知识图谱智能决策模型，具有实时性和可变性的特点，从而增加了其适用范围。
[0074]
如图1所示，将信息系统收集的数据作为依据，可在基于知识图谱的文献挖掘智能决策系统中得到下阶段最佳产气量、下阶段各类水源需水量和下阶段水安全阈值。
[0075]
其中，基于知识图谱的文献挖掘智能决策系统的具体过程如图3所示。
[0076]
图3的示意图示出了根据本发明的基于知识图谱的文献挖掘智能决策系统的一个非限制性示例。
[0077]
将信息系统输入的信息，现阶段产气量、各类水源占比和缺水值输入决策系统中已经构建完成的知识图谱决策模型，通过决策模型中的语义网络进行搜索，可输出i类水源需水量、ⅱ类水源需水量、ⅲ类水源需水量、水安全阈值和下阶段产气量。得到输出结果后进行第一次判断，若决策所得需水量满足当前缺水值，则用于下阶段各类水调配；若决策所得需水量不满足当前缺水值，则重新利用决策模型决策各类水需水量。接着进行第二次判断，若实际调配过程中，水量足够，则沿用上阶段决策模型；若水量不够，则进行知识三元组抽取更新，从而更新决策模型。
[0078]
其中，知识图谱构建的文献来源于中文期刊数据库、专利数据库和研究报告。
[0079]
其中，知识三元组抽取方式包含任意n种抽取方式，针对文献中的结构化和非结构化数据，可列出多个非限制性示例。
[0080]
抽取方式1可用于抽取i类水源需水量相关的知识三元组；抽取方式2可用于抽取
ⅱ
类水源需水量相关的知识三元组；以此类推，抽取方式n可用于抽取需水量与水安全阈值关系的知识三元组。
[0081]
其中，知识图谱智能决策模型包含任意n种预测模型，由不同的知识抽取结果构建知识图谱得到，可列出多个非限制性示例。
[0082]
抽取结果1用于构建得到知识图谱智能决策模型1，抽取结果2用于构建得到知识图谱智能决策模型2，依次类推，抽取结果n用于构建得到知识图谱智能决策模型n。
[0083]
其中，在构建得到知识图谱智能决策模型时，采用如下步骤：
[0084]
1)页岩气开采水资源调配的工程数据来自于中文数据库，专利数据库以及研究报告，具有来源广泛和结构性差的特点，因此，可以将文本数据经过预处理后，再通过知识图谱构建技术构建知识节点和关系边，从而构建知识图谱智能决策模型，此模型旨在从文本数据中发掘不同知识节点之间的关系；
[0085]
2)从水资源的调配角度出发，可以选择以工程名称(某页岩气开采区)、调配时间以及调配的水资源类别(i、ⅱ和ⅲ类水)等作为知识图谱模型的知识节点；同时，还可以将某类水的需水量和页岩气开采强度等作为知识节点；最后，可将“时间为”、“需水量为”和“包含”等作为节点之间的关系边。由此构建的知识图谱智能决策模型可实现需水量等的决策功能。
[0086]
3)根据定义的知识节点和关系边，可列出知识图谱模型的示意图，局部示意图如图4所示。根据知识三元组的数量，此知识图谱语义网络图可扩展到上千乃至上百万个知识三元组。
[0087]
4)根据知识图谱语义网络可进行相关的知识推理工程，由一个实体预测推理出下一个实体以及寻找他们之间的关系等，由此构建知识图谱智能决策模型。
[0088]
在进行知识推理时，可采用基于知识图谱图结构的推理算法path ranking algorithm，其利用知识节点之间的关系边当作特征从而进行链接预测推理。
[0089]
其中，定义知识三元组，知识头节点为h，关系边为r，知识尾节点t，由此可确定一个知识三元组(h，r，t)。
[0090]
在pra算法中，利用监督随机游走的方式，先生成一些路径特征，路径由一系列知识节点和关系边组成，为：
[0091][0092]
式中，tn为关系边rn的作用域(range)以及关系边r
n-1
的值域(domain)，即tn＝range(rn)＝domain(r
n-1
)。该算法定义了一个关系边和知识节点的分布，基于分布得到的值为每条游走路径的特征值x
h，p(t)
，x
h，p(t)
可以理解为沿着某一路径p从知识头节点h开始到达知识尾节点t的概率。x
h，p(t)
的更新规则为：
[0093][0094]
其中，若e＝s(路径p中的知识节点)，则x
h，p(e)
＝1，否则x
h，p(e)
＝0。表示从知识节点e’出发，沿着关系边r1到达知识节点e的概率。r1(e’，e)表示知识节点e’和e之间是否存在一条关系类型为r1的路径，若存在，则其值为1，不存在，则值为0。|r
l
(e
′
，
·
)|表示由节点e’出发经过规定路径的关系边所能到达的知识节点的数
目。
[0095]
若想要确定某两个知识节点之间的关系边r，则需要通过监督随机游走得到一组特征路径pr＝(p1，
…
，pn)，监督随机游走是在随机游走的基础上，加上监督的方式去指导游走知识节点进行游走，使游走更具有目的性。在本实例中，可通过监督随机游走的方式，有目的的寻找含有与需水量相关的知识节点和关系边。再利用这些特征路径训练一个预测实体的排序模型，此模型可采用线性模型的方法进行建模：
[0096][0097]
式中，f(h,ri,t)表示知识节点h和知识节点t之间存在关系ri的可能性大小si，θ
p
表示与pr相应特征路径的权重因子，通过训练，可求出θ
p
的取值。
[0098]
其中，可用yi＝{0，1}表示某个训练样本的值，若其为1，则表示两知识节点间的关系边r存在，若其为0，则表示关系边r不存在。通常情况下，可使用sigmoid函数将预测结果映射到[0,1]区间内，具体形式如下：
[0099][0100]
对于权重因子θ
p
，可通过下列线性变化加最大似然估计，设计损失函数：
[0101][0102][0103]
最后，基于知识图谱语义网的智能决策模型可转换为关于最优化权重因子θ
p
的优化目标函数。
[0104]
在知识图谱智能决策模型初步构建完成后，对知识图谱智能决策模型进行评价，若评价结果表明决策模型可用于决策，则可通过信息系统输入从而得到需水量等输出值；
[0105]
若评价结果表明决策模型不可用于决策，则进行知识三元组更新抽取，从而更新智能决策模型。
[0106]
其中，知识图谱智能决策模型的输入为各类水源需水量预测，此预测即为监督随机游走的依据。根据该预测，可在知识图谱智能决策模型中进行搜索与决策，寻求最有的需水量输出结果，下面列出输入端需水量预测的一个非限制性示例。
[0107]
假设已知某一段时间内，某类水源从1时刻到t时刻的需水量为分别为q1、q2……
[0108]qt
，可通过需水量预测模型对该类水源在t+1时刻的需水量q
t+1
进行预测，可采用如下预测模型。
[0109]
t时刻的需水量变化值：
[0110]
δq
t
＝q
t-q
t-1
ꢀꢀ
(7)
[0111]
t时刻二阶差分需水量变化值：
[0112]
δ2q
t
＝δq
t-δq
t-1
ꢀꢀ
(8)
[0113]
t时刻二阶差分需水量变化预测值：
[0114]
[0115]
因此，t+1时刻的需水量预测值：
[0116][0117]
输入的值，通过已经构建好的知识图谱智能决策模型进行搜索，即可输出相应的需水量值。
[0118]
如图1所示，调节器的调控基于决策系统对下阶段产气量、下阶段需水量和下阶段水安全阈值的输出，通过决策系统的具体输出结果，可通过调节器对当前页岩气开采强度和需水量进行调节，可通过减少废液产量和增加雨水用量实现。

技术特征：
1.构建用于页岩气开采中水资源调配的知识图谱模型的方法，其特征在于，包括以下步骤：1)页岩气开采水资源调配的工程数据来自于中文数据库，专利数据库以及研究报告，将文本数据经过预处理后；2)从水资源的调配角度出发，选择以工程名称、调配时间以及调配的水资源类别作为知识图谱模型的知识节点；将目标类水的需水量和页岩气开采强度作为知识节点；最后，将“时间为”、“需水量为”和“包含”作为节点之间的关系边；3)根据定义的知识节点和关系边，列出知识图谱模型的示意图，根据知识三元组的数量，将知识图谱语义网络图扩展到若干个知识三元组；4)根据知识图谱语义网络进行相关的知识推理工程，由一个实体预测推理出下一个实体以及寻找它们之间的关系，由此构建知识图谱智能决策模型。2.根据权利要求1所述的方法，其特征在于：在进行知识推理时，采用以下步骤：定义知识三元组，知识头节点为h，关系边为r，知识尾节点t，由此确定知识三元组(h，r，t)；利用监督随机游走的方式，先生成一些路径特征，路径由一系列知识节点和关系边组成，为：式中，t
n
为关系边r
n
的作用域(range)以及关系边r
n-1
的值域(domain)，即t
n
＝range(r
n
)＝domain(r
n-1
)，由此定义了一个关系边和知识节点的分布，基于分布得到的值为每条游走路径的特征值x
h，p(t)
，x
h，p(t)
理解为沿着一条路径p从知识头节点h开始到达知识尾节点t的概率，x
h，p(t)
的更新规则为：的更新规则为：表示从知识节点e’出发，沿着关系边r1到达知识节点e的概率；r1(e’，e)表示知识节点e’和e之间是否存在一条关系类型为r1的路径，若存在，则其值为1，不存在，则值为0，|r
l
(e
′
，
·
)|表示由节点e’出发经过规定路径的关系边所能到达的知识节点的数目；若想要确定两个知识节点之间的关系边r，则需要通过监督随机游走得到一组特征路径p
r
＝(p1，
…
，p
n
)，监督随机游走是在随机游走的基础上，加上监督的方式去指导游走知识节点进行游走，使游走更具有目的性；通过监督随机游走的方式，有目的的寻找含有与需水量相关的知识节点和关系边，再利用这些特征路径训练一个预测实体的排序模型，此模型采用线性模型的方法进行建模：式中，f(h,r
i
,t)表示知识节点h和知识节点t之间存在关系r
i
的可能性大小s
i
，θ
p
表示与p
r
相连特征路径的权重因子，通过训练，求出θ
p
的取值；其中，用y
i
＝{0，1}表示目标训练样本的值，若其为1，则表示两知识节点间的关系边r存
在，若其为0，则表示关系边r不存在，通常情况下，使用sigmoid函数将预测结果映射到[0,1]区间内，具体形式如下：对于权重因子θ
p
，通过下列线性变化加最大似然估计，设计损失函数：，通过下列线性变化加最大似然估计，设计损失函数：最后，基于知识图谱语义网的智能决策模型转换为关于最优化权重因子θ
p
的优化目标函数。3.根据权利要求1或2所述的方法，其特征在于：在知识图谱智能决策模型初步构建完成后，对知识图谱智能决策模型进行评价，若评价结果表明决策模型可用于决策，则通过信息系统输入从而得到需水量输出值；若评价结果表明决策模型不可用于决策，则进行知识三元组更新抽取，从而更新智能决策模型。4.根据权利要求1或2所述的方法，其特征在于，知识图谱智能决策模型的输入为各类水源需水量预测，此预测即为监督随机游走的依据，根据该预测，在知识图谱智能决策模型中进行搜索与决策，寻求最有的需水量输出结果。5.根据权利要求4所述的方法，其特征在于，一段时间内，目标水源从1时刻到t时刻的需水量为分别为q1、q2……
q
t
，对该水源在t+1时刻的需水量q
t+1
进行预测，采用如下预测模型；t时刻的需水量变化值：δq
t
＝q
t-q
t-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)t时刻二阶差分需水量变化值：δ2q
t
＝δq
t-δq
t-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)t时刻二阶差分需水量变化预测值：因此，t+1时刻的需水量预测值：输入的值，通过已经构建好的知识图谱智能决策模型进行搜索，即输出相应的需水量值。

技术总结
构建用于页岩气开采中水资源调配的知识图谱模型的方法，包括以下步骤：1）页岩气开采水资源调配的工程数据来自于中文数据库，专利数据库以及研究报告，将文本数据经过预处理；2）获取知识节点和关系边；3）根据定义的知识节点和关系边，列出知识图谱模型的示意图，根据知识三元组的数量，将知识图谱语义网络图扩展到若干个知识三元组；4）根据知识图谱语义网络可进行相关的知识推理工程，由一个实体预测推理出下一个实体以及寻找它们之间的关系等，由此构建知识图谱智能决策模型。此构建知识图谱智能决策模型。此构建知识图谱智能决策模型。


技术研发人员：何理 叶威
受保护的技术使用者：天津大学
技术研发日：2021.03.31
技术公布日：2022/11/1